MNIST手写数字识别 —— 图像分析法实现二分类

 手写数字任务识别简介

        MNIST 数据集来自美国国家标准与技术研究所（National Institute of Standards and Technology，简称 NIST ），总共有7万张图，其中训练集6万张，由 250 个不同人的手写数字构成, 50% 是高中学生, 另外 50% 是人口普查局的工作人员，测试集1万张图，也是由同样比例的人手写的数字。该数据集在深度学习领域，是一个很经典的入门学习数据集，部分手写数字的图片样例如下：

1.下载MNIST数据集

# 创建datasets目录
import os
datasets_dir = '../datasets'
if not os.path.exists(datasets_dir):
    os.makedirs(datasets_dir)

os是提供了一些方便使用操作系统相关功能的函数，通过import将该工具包导入。

1.获得当前文件路径：os.getcwd()
2.新建一个文件夹：os.mkdir()
3.跳转当前文件路径：os.chdir(一个已存在的目录)
4.获得路径下的所有文件名称：os.listdir(path)
5.返回是否是文件夹：os.path.isdir()
6.返回是否是文件：os.path.isfile()
7.将文件路径进行拆分：os.path.split()
8.修改文件名称：os.rename()

# 下载数据集，由于使用的数据源在华为云OBS中，所以本代码只能在华为云 ModelArts 中运行
import moxing as mox
if not os.path.exists(os.path.join(datasets_dir, 'MNIST_Data.zip')):
    mox.file.copy('obs://modelarts-labs-bj4-v2/course/hwc_edu/python_module_framework/datasets/mindspore_data/MNIST_Data.zip', 
                  os.path.join(datasets_dir, 'MNIST_Data.zip'))
    os.system('cd %s; unzip MNIST_Data.zip' % (datasets_dir))

moxing：MoXing（模型）是华为云深度学习服务提供的网络模型开发API。相对于TensorFlow和MXNet等原生API而言，MoXing API让模型的代码编写更加简单，而且能够自动获取高性能的分布式执行能力。

 2.读取MNIST数据集

import numpy as np
import mindspore.dataset as ds

# 读取完整训练样本和测试样本
datasets_dir = '../datasets'
mnist_ds_train = ds.MnistDataset(os.path.join(datasets_dir, "MNIST_Data/train"))
mnist_ds_test = ds.MnistDataset(os.path.join(datasets_dir, "MNIST_Data/test"))

# 为训练集创建字典迭代器，提取训练图片和标签
items_train = mnist_ds_train.create_dict_iterator(output_numpy=True)
train_data = np.array([i for i in items_train])
images_train = np.